一张 12 万元罚单之后：黑帽 GEO 从舆论事件变成了法律定性

10 月 31 日上线的《财新周刊》第 42 期，把封面给了四个字：向 AI「投毒」。封面之下压着三起案子——一起已经开出罚单，一起仍在调查，一起被最高人民法院收进了年度反不正当竞争典型案例。

三起案子发生在不同城市、不同行业，被罚的却是同一类角色：替客户往 AI 信息源里批量灌内容的服务商。它们在同一季度被摆到一起，说明的已经不是「这个行业有点乱」，而是更硬的一件事：往生成式引擎的语料里造假，同时构成行政违法与民事不正当竞争，不再是「营销手法激进不激进」的口水战。

一、三起案子，三种定性路径

第一起，行政处罚。 广州市越秀区市场监督管理局查明，一家 GEO 服务商为客户批量生成「某行业 TOP5」类文章，虚构排名位次、评分与成功率数据，再通过客户方认证过的自媒体账号发布到搜狐号、网易号等平台，等着被 AI 抓取引用。财新核实的细节很扎人：一篇《2026 年广州刑事案件代理专业企业 TOP5》把一家只有 11 名律师的律所排在首位，标注「综合得分 92.5」「复杂案件成功率超 70%」，而所谓测评并无任何依据。当用户在豆包里输入该律所名称加「排名」时，AI 一字不差地把这套编造的数据讲了出来。2026 年 9 月 4 日，越秀区市监局依据《反不正当竞争法》作出 12 万元罚款。

第二起，司法定性。 2026 年 9 月 9 日，最高人民法院发布 9 件反不正当竞争典型案例，案例六正是这条链路。一家软件公司以同行产品的名称为词根，用人工智能工具批量生成「某某软件怎么样」「某某软件怎么操作」这类标题与正文，发布到自己官网，靠搜索引擎的自然检索规则把搜同行的客户引到自家页面。江苏省无锡市新吴区人民法院认定该行为降低他人用户流量与交易机会、在网络中制造大量垃圾信息造成数据污染，构成不正当竞争，判令赔偿经济损失。判决给出的定性很关键：利用 AI 批量生成、发布虚构测评文章搭载自身产品引流，有违诚实信用原则和商业道德，属于不当截取他人交易机会。

第三起，舆论现场。 2026 年央视「3·15」晚会第一次把 GEO 的「投毒」乱象搬上全国屏幕。晚会演示的链路是：先虚构一款市面上根本不存在的产品，批量生成测评内容发布出去，再去问 AI 同类产品该怎么选——AI 给出了推荐。一个不存在的东西，被 AI 正经八百地推荐给了消费者。

三起案子并排放，共同点很清楚：被罚、被诉的都是服务商，委托方至今没有出现在公开的处罚名单里。 但这不等于安全。财新的报道中，有律师提出：客户如果明知服务商在编造数据仍然主动委托，理论上同样可能被追究，「不知情」三个字未必兜得住。这条责任链——客户提供资料、服务商加工、平台发布、AI 引用——目前只掐断了中间一环。

二、法律工具箱已经换了，不止一条路能走

值得注意的不只是个案，而是今年可用的法律工具明显变多了。

修订后的《反不正当竞争法》第十三条增设了数据保护专款：经营者不得以欺诈、胁迫、避开或者破坏技术管理措施等不正当方式，获取、使用其他经营者合法持有的数据。这条针对「绕开技术管理措施拿数据」，恰好覆盖黑帽 GEO 最常见的动作——批量抓取、批量改写、批量投放。

同一条线上的执法也在加密。2026 年 9 月 7 日，国家市场监督管理总局第一批网络食品销售虚假宣传典型案例中，北京某公司用 AI 虚拟人在直播间宣传普通食品具备「有助于提高免疫力」等保健功效，被北京市昌平区市场监督管理局责令停止违法行为并罚款。监管的表述很直白：AI 虚拟人不是虚假宣传的「挡箭牌」，技术外壳不能豁免内容违法的责任。 消费者一侧同样在收紧——2026 年 11 月初，浙江省消保委就电商评论区的 AI 生成「买家秀」表态，认为其涉嫌侵害消费者知情权与公平交易权，对真实展示的经营者构成不正当竞争。

三条线指向同一个标准：内容是不是真的，可不可核验。技术手段不改变这个标准，只改变造假的速度和规模。

三、AI 为什么这么容易被「喂」

很多人第一反应是「大模型不靠谱」。但财新采访的一位北京邮电大学学者把成因归为三个结构性漏洞，比「模型有幻觉」准确得多：

• 多数即真理。 同一个说法在全网出现的次数够多、表述够一致，模型就倾向于把它当成事实。
• 检索优先。 模型回答前先去检索现成内容，谁的内容结构清楚、能被抓到，谁就先进入候选池。
• 溯源缺失。 生成答案时大多不标出处，用户看到的是一个确定的结论，看不到结论背后的那篇软文。

这三点合起来，意味着黑帽 GEO 根本不需要碰模型本身：不入侵服务器，不修改权重，只往 AI 每天要读的互联网里倒东西就行。成本低、见效快、还隐蔽——用户收到答案的那一刻，看不出哪句是广告。反过来，这也解释了白帽路径为什么技术上成立：既然模型靠多源交叉验证判断可信度，让同一个真实事实在官网、权威媒体、行业平台上表述一致、结构清晰，就能提高被采信的概率。这条路慢，但不会被一次模型更新清零。

四、真测评和假榜单，差在哪一个字

三起案子里最值得警醒的不是罚款金额，而是那些「看起来很专业」的数据恰恰最容易编。92.5 分、成功率超 70%——这类精确到小数点的「综合得分」，是造假者最省力的伪装。中国消费者协会 2024 年 11 月做过一次智能手环比较试验：以普通消费者身份购样，委托实验室按国家标准逐项检测，结论是逐项列出的——同一款产品这项通过、那项不合格，全程没有「综合得分」这个东西。

真测评是琐碎的、有破绽的、承认局限的；假榜单才需要一个漂亮的权威总分来撑门面。小数点后那一位，往往就是造假者的签名。

五、行业自己也在补标准这一课

行政和司法之外，标准层面也在同步补位。11 月初发布的《GEO 服务商评估标准实施指南白皮书（2026 版）》，配套的是 T/CAACCHINA 002-2026《生成式引擎优化（GEO）第 2 部分：服务商评估规范》——由中国商务广告协会提出并归口，2026 年 9 月 9 日发布、9 月 10 日实施，30 家单位参与起草，建立了六大服务商分类、五维评估框架、A/B/C/D 四级划分与一票否决机制，属推荐性标准。

比文本更值得记一笔的是发布方的自律动作：白皮书声明不对样本企业发布等级结论，全部核查底稿随文公开、可独立复算。在「自评即背书」的氛围里，这比给自己发一个奖杯难得多，也把选型的问题改硬了：基线封存了吗？原始数据能保存到结案后三年吗？

六、企业现在该做的四件事

罚单已经落地，标准已经发布，责任链条正在往委托方延伸。与其等通报点名，不如现在做四件不花钱的事：

• 做一次 AI 体检。 拿十句真实客户会问的话（客户原话，不是行业术语），分别问豆包、DeepSeek、元宝、Kimi，截图存档。只看三件事：有没有你、说的是不是你、说的是不是现在的你。
• 看 AI 引用了谁。 点开引用来源：是官网、央媒、行业协会，还是一篇没人署名的测评软文。全是后者，说明你的可信度地基建在别人手里。
• 统一事实档案。 把官网、百科、地图、旧报道里的成立时间、团队、资质、核心数据逐项对一遍。AI 说错你，多半是你自己先给了它两个版本。
• 清理手上的「综合得分」。 凡是无法追溯到检测机构、样本量与方法的评分、排名、成功率，从对外材料里撤下来。这不是保守，是止损。

12 万元这个数字很快会被忘记，但它标记的分水岭不会。接下来拉开差距的，不再是谁敢承诺「首答占位」「七天霸屏」，而是谁敢把自己的方法和数据摊开让人核查。

星锚GEO 在这条线上选的是后一种做法：把诊断口径、提问集和复测节奏做成可复算的东西，而不是一张漂亮的截图。AI 时代的品牌资产，本质上是「值得被引用」四个字——它没法靠投毒换来，只能靠一条条真实、一致、可核验的信息攒出来。